Numpy 基于行索引沿轴应用答案

【问题标题】：Numpy apply along axis based on row indexNumpy 基于行索引沿轴应用
【发布时间】：2021-07-29 08:59:31
【问题描述】：

尝试基于row index position应用numpy内置函数apply_along_axis

import numpy as np
sa = np.array(np.arange(4))
sa_changed = (np.repeat(sa.reshape(1,len(sa)),repeats=2,axis=0))
print (sa_changed)

操作：

[[0 1 2 3]
 [0 1 2 3]]

功能：

np.apply_along_axis(lambda x: x+10,0,sa_changed)

操作：

array([[10, 11, 12, 13],
       [10, 11, 12, 13]])

但是有没有办法基于row index position使用这个函数，例如，如果它是even row index，那么add 10，如果它是odd row index，那么add 50

示例：

def func(x):
   if x.index//2==0:
      x = x+10
   else:
      x = x+50
   return x

【问题讨论】：

apply_along_axis 不是速度工具。它可以使代码看起来更漂亮，尤其是当数组是 3d 或更大时，但它不会更快。
顺便说一句，// 是整数除法，而不是模数
@hpaulj 感谢您的解决方案。对于更快的方法，您还有其他建议吗？不是确切的代码，只是建议就可以了。

标签： python python-3.x numpy numpy-ndarray numpy-ufunc

【解决方案1】：

这是一种方法

import numpy as np

x = np.array([[0, 1, 2, 3],
     [0, 1, 2, 3]])

y = x.copy() # if you dont wish to modify x

对于偶数行索引

y[::2] = y[::2] + 10

对于奇数行索引

y[1::2] = y[1::2] + 50

输出：

array([[10, 11, 12, 13],
       [50, 51, 52, 53]])

【讨论】：

【解决方案2】：

直接或使用apply_along_axis 迭代数组时，子数组没有.index 属性。所以我们必须将一个明确的索引值传递给你的函数：

In [248]: def func(i,x):
     ...:    if i//2==0:
     ...:       x = x+10
     ...:    else:
     ...:       x = x+50
     ...:    return x
     ...: 
In [249]: arr = np.arange(10).reshape(5,2)

apply 无法添加此索引，因此我们必须使用显式迭代。

In [250]: np.array([func(i,v) for i,v in enumerate(arr)])
Out[250]: 
array([[10, 11],
       [12, 13],
       [54, 55],
       [56, 57],
       [58, 59]])

将 // 替换为 %

In [251]: def func(i,x):
     ...:    if i%2==0:
     ...:       x = x+10
     ...:    else:
     ...:       x = x+50
     ...:    return x
     ...: 
In [252]: np.array([func(i,v) for i,v in enumerate(arr)])
Out[252]: 
array([[10, 11],
       [52, 53],
       [14, 15],
       [56, 57],
       [18, 19]])

但更好的方法是完全跳过迭代：

制作一个添加行的数组：

In [253]: np.where(np.arange(5)%2,10,50)
Out[253]: array([50, 10, 50, 10, 50])

通过broadcasting申请：

In [256]: x+np.where(np.arange(5)%2,50,10)[:,None]
Out[256]: 
array([[10, 11],
       [52, 53],
       [14, 15],
       [56, 57],
       [18, 19]])

【讨论】：